JP2020140277A - 火災検知器及び火災検知方法 - Google Patents
火災検知器及び火災検知方法 Download PDFInfo
- Publication number
- JP2020140277A JP2020140277A JP2019033453A JP2019033453A JP2020140277A JP 2020140277 A JP2020140277 A JP 2020140277A JP 2019033453 A JP2019033453 A JP 2019033453A JP 2019033453 A JP2019033453 A JP 2019033453A JP 2020140277 A JP2020140277 A JP 2020140277A
- Authority
- JP
- Japan
- Prior art keywords
- fire
- temperature
- detection value
- absolute
- relative
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 255
- 238000012544 monitoring process Methods 0.000 claims abstract description 137
- 238000002474 experimental method Methods 0.000 claims abstract description 51
- 238000010801 machine learning Methods 0.000 claims description 62
- 239000013598 vector Substances 0.000 description 16
- 238000009825 accumulation Methods 0.000 description 15
- 239000000779 smoke Substances 0.000 description 14
- 238000002372 labelling Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 10
- 238000013500 data storage Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005183 dynamical system Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 229920002635 polyurethane Polymers 0.000 description 1
- 239000004814 polyurethane Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Landscapes
- Fire Alarms (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
Description
本発明は、火災を検知する火災検知器であって、
監視領域の所定の情報の検出値を検出するセンサを1又は複数有する検出部と、
センサの内、少なくとも1つは絶対検出値相対検出値取得用センサであるとともに、
絶対検出値相対検出値取得用センサで検出された監視領域の所定期間の検出値に基づいて基準検出値を生成する基準検出値生成部と、
絶対検出値相対検出値取得用センサで検出された監視領域の所定時点の検出値である絶対検出値と、所定時点の検出値と前期基準検出値の差分である相対検出値と、を生成する検出値入力手段と、
検出値入力手段で生成された絶対検出値と相対検出値が入力されて火災又は非火災又は通常監視状態を識別する火災識別手段と、
が設けられたことを特徴とする。
火災検知器は更に、
火災がラベリングされた絶対検出値と相対検出値を含む火災教師データと、非火災がラベリングされた絶対検出値と相対検出値を含む非火災教師データと、通常監視状態がラベリングされた絶対検出値と相対検出値を含む通常監視状態教師データと、を機械学習手段に入力して予め学習する学習制御手段を備え、
火災識別手段は学習制御手段による学習結果に基づき識別を行う。
絶対検出値相対検出値取得用センサは温度センサであり、
基準検出値は温度センサの検出温度に基づいて生成されるものであり、
基準検出値生成部は基準温度生成部であり、
絶対検出値は絶対温度であり、
相対検出値は相対温度であり、
検出値入力手段は温度入力手段である。
温度入力手段は、
絶対温度と相対温度を一つのデータセットとして火災識別手段に入力する。
基準温度生成部は、温度センサによる基準温度生成時点の所定時間前から基準温度生成時点までの検出温度の日単位又は所定の時間単位の平均温度を基準温度として生成する。
学習制御手段は、所定の火災実験により温度入力手段で生成された絶対温度と相対温度に火災がラベリングされた火災教師データと、所定の非火災実験により温度入力手段で生成された絶対温度と相対温度に非火災がラベリングされた非火災教師データと、所定の火災実験及び又は非火災実験により所定の状態に至るまでに温度入力手段で生成された絶対温度と相対温度に通常監視状態がラベリングされた通常監視状態教師データと、を記憶し、当該記憶した火災教師データと非火災教師データと通常監視状態教師データを用いて機械学習手段を学習する。
本発明は火災検知方法であって、
温度入力手段により、温度センサで検出された監視領域の検出温度に基づいて絶対温度と相対温度を生成し、
階層型の機械学習手段により、温度入力手段で生成された絶対温度と相対温度を同時に入力して火災又は非火災を判断し、
学習制御手段により、火災がラベリングされた絶対温度と相対温度を含む火災教師データと、非火災がラベリングされた絶対温度と相対温度を含む非火災教師データと、通常監視状態がラベリングされた絶対温度と相対温度を含む通常監視状態教師データと、を機械学習手段に入力して予め学習することを特徴とする。これ以外の火災検知方法の特徴は、火災検知器の場合と同様になる。
本発明は、火災検知器であって、監視領域の所定の情報の検出値を検出するセンサを1又は複数有する検出部と、センサの内、少なくとも1つは絶対検出値相対検出値取得用センサであるとともに、絶対検出値相対検出値取得用センサで検出された監視領域の所定期間の検出値に基づいて基準検出値を生成する基準検出値生成部と、絶対検出値相対検出値取得用センサで検出された監視領域の所定時点の検出値である絶対検出値と、所定時点の検出値と前期基準検出値の差分である相対検出値と、を生成する検出値入力手段と、検出値入力手段で生成された絶対検出値と相対検出値が入力されて火災又は非火災又は通常監視状態を識別する火災識別手段と、が設けられたため、監視領域の検出値から絶対値と相対値の両方を加味することで、火災状態と非火災状態との特徴的な変化を識別することが可能となり、火災の検出時間を短縮すると共に非火災報要因に対する耐力を向上させることができる。
また、火災検知器は更に、火災がラベリングされた絶対検出値と相対検出値を含む火災教師データと、非火災がラベリングされた絶対検出値と相対検出値を含む非火災教師データと、通常監視状態がラベリングされた絶対検出値と相対検出値を含む通常監視状態教師データと、を機械学習手段に入力して予め学習する学習制御手段を備え、火災識別手段は学習制御手段による学習結果に基づき識別を行うため、学習制御により単純なルール化が困難であるような火災状態と非火災状態と通常監視状態の特徴的な変化を識別可能になる。また、通常監視状態と非火災をそれぞれ異なる識別対象として学習することで、より識別精度が向上するように学習できる。
絶対検出値相対検出値取得用センサは温度センサであり、基準検出値は温度センサの検出温度に基づいて生成されるものであり、基準検出値生成部は基準温度生成部であり、絶対検出値は絶対温度であり、相対検出値は相対温度であり、検出値入力手段は温度入力手段であるため、例えば、機械学習手段を絶対温度のみで学習させた場合には、火災及び非火災を識別する精度が絶対温度によって左右される恐れがあるが、通常監視状態からの温度変化である相対温度を学習させる要素に加えることで、絶対温度に対する依存性を改善することができる。また、機械学習手段に相対温度のみを学習させると、火災と非火災要因の区別がつきづらくなるが、絶対温度を学習させる要素に加えることで、火災と非火災要因を区別する精度を高めることができる。通常監視状態において特に変化の大きい温度について絶対温度と相対温度を検出するようにすることで、絶対温度のみを検出とする際で発生する周囲温度の変化による非火災を誤って火災として検出することを防ぐことが可能なる。
また、温度入力手段は、絶対温度と相対温度を一つのデータセットとして火災識別手段に入力するようにしたため、監視領域に設置した温度センサによる検出温度から、
火災識別手段に入力する絶対温度と相対温度のデータセットをリアルタイムで生成して入力することで、絶対温度と相対温度を同時に機械学習手段に入力して火災又は非火災を識別できる。
また、基準温度生成部は、温度センサによる基準温度生成時点の所定時間前から基準温度生成時点までの検出温度の日単位又は所定の時間単位の平均温度を基準温度として生成するようにしたため、通常監視状態の温度を示す基準温度を、監視環境温度の日変化や時間変化に追従して生成することで、相対温度を正確に生成して絶対温度との同時入力により火災又は非火災を高い精度で識別することができる。
また、学習制御手段は、所定の火災実験により温度入力手段で生成された絶対温度と相対温度に火災がラベリングされた火災教師データと、所定の非火災実験により温度入力手段で生成された絶対温度と相対温度に非火災がラベリングされた非火災教師データと、所定の火災実験及び又は非火災実験により所定の状態に至るまでに温度入力手段で生成された絶対温度と相対温度に通常監視状態がラベリングされた通常監視状態教師データと、を記憶し、当該記憶した火災教師データと非火災教師データと通常監視状態教師データを用いて機械学習手段を学習するようにしたため、例えば国際規格で定めた火災実験による温度センサの検出温度から生成された絶対温度と相対温度の組に火災をラベリングして火災教師データとして記憶し、また、火災の代わりにポットやシャワーから湯気を出して行う非火災実験による温度センサの検出温度から生成された絶対温度と相対温度の組に非火災をラベリングして非火災教師データとして記憶することで、機械学習手段の学習に使用する火災及び非火災の教師データを効率良く大量に収集することができ、収集した火災及び非火災の教師データを使用して機械学習手段を適切に学習させることができる。
図1は本発明による火災検知装置の実施形態を機能構成で示したブロック図である。
(火災検知器の概要)
図1に示すように、本実施形態の火災検知器10は、温度センサ12、A/D変換部14、温度入力部16、入力切替部18、階層型機械学習部20,蓄積判定部22、学習制御部24及び学習データ記憶部26で構成され、例えば、CPU、メモリ、各種の入出力ポート等を備えたコンピュータ回路がハードウェアとして使用され、CPUによるプログラムの実行により温度入力部16、入力切替部18、階層型機械学習部20,蓄積判定部22、学習制御部24及び学習データ記憶部26の機能が実現される。
温度センサ12は、サーミスタや半導体温度検知素子等が使用され、監視領域に設置され、監視領域の温度Tを検出して出力する。なお、温度センサ12は火災検知器10に内蔵させても良い。
A/D変換部14は温度センサ12から出力された検出温度のアナログ信号を所定のサンプリング周期毎に所定ビット数のデジタル信号に変換するものであり、サンプリング周期は例えば1秒に設定される。
温度入力部16には絶対温度生成部28と相対温度生成部30が設けられる。絶対温度生成部28はA/D変換部14でデジタル信号に変換された温度センサ12の検出温度Tをそのまま絶対温度Tとして出力する。
入力切替部18は温度入力部16の出力の階層型機械学習部20と学習制御部24に対する切替え、及び、学習制御部24の出力の階層型機械学習部20に対する学習データの出力の切替えを行う。
階層型機械学習部20は、温度入力部16で生成された絶対温度Tと相対温度ΔTを入力ベクトルとして同時に入力して火災又は非火災又は通常監視状態を識別(予測)する。
学習制御部24は、火災がラベリングされた絶対温度Tと相対温度ΔTを含む火災教師データと、非火災がラベリングされた絶対温度Tと相対温度ΔTを含む非火災教師データと、通常監視状態がラベリングされた絶対温度Tと相対温度ΔTを含む通常監視状態教師データと、を階層型機械学習部20に入力して所定の学習アルゴリズムに従って学習させる。
また、学習制御部24は、階層型機械学習部20の学習に使用する教師付きの学習データを効率的に生成して学習データ記憶部26に記憶する機能を備える。
蓄積判定部22は、階層型機械学習部20から出力される火災予測信号又は非火災予測信号に対し、所定の蓄積条件を設定し、この蓄積条件が満たされたときに、火災検出信号E1又は非火災検出信号E2を出力する。
図4は火災識別手段として機能する学習済みの階層型機械学習部を用いた火災検知器の他の実施形態を示したブロック図である。図4に示すように、本実施形態にあっては、学習済みの階層型機械学習部20を配置しており、このため図1に示した入力切替部18、学習制御部24及び学習データ記憶部26の機能は除かれている、その以外の構成及び機能は図1の実施形態と同じである。
(煙濃度とCO濃度の追加)
上記の実施形態に示した火災検知器は、絶対検出値相対検出値取得用センサとして温度センサの検出温度に基づく絶対温度Tと相対温度ΔTを同時に入力しているが、監視領域の所定の情報の検出値を検出するセンサとして警戒区域に煙センサやCOセンサを設け、階層型機械学習部に対する入力ベクトルとして、煙濃度やCO濃度を入力ベクトルに加えて階層型機械学習部に入力して火災、非火災を予測するようにしても良い。
また、火災報知設備に対する本発明の火災検知器の配置構成としては、受信機から引き出された伝送路に、伝送機能を備えたアドレス付きの温度センサを接続し、受信機からのポーリングにより温度センサの検出温度を周期的に収集し、図1又は図4に示した火災検知器10の機能構成を受信機に設け、受信機側で温度センサの検出温度から絶対温度と相対温度を生成して階層型機械学習部に入力して火災又は非火災を予測すれば良い。
また、本発明は、その目的と利点を損なうことのない適宜の変形を含み、更に上記の実施形態に示した数値による限定は受けない。
12:温度センサ
14:A/D変換部
16:温度入力部
18:入力切替部
20:階層型機械学習部
22:蓄積判定部
24:学習制御部
26:学習データ記憶部
28:絶対温度生成部
30:相対温度生成部
32:基準温度生成部
34:減算部
36:入力データ
38:火災教師データ
40:非火災教師データ
本発明は、監視領域の状態を検出し、通常監視状態、当該通常監視状態とは異なる火災及び非火災の何れかに対応した信号を出力する火災検知器であって、
監視領域の所定の情報の検出値を検出するセンサを1又は複数有し、当該センサの内、少なくとも1つは絶対検出値相対検出値取得用センサである検出部と、
絶対検出値相対検出値取得用センサで検出された監視領域の所定期間の検出値に基づいて基準検出値を生成する基準検出値生成部と、
絶対検出値相対検出値取得用センサで検出された監視領域の所定時点の検出値である絶対検出値と、所定時点の検出値と前期基準検出値の差分である相対検出値と、を生成する検出値入力手段と、
検出値入力手段で生成された絶対検出値と相対検出値が同時に入力され通常監視状態、火災及び非火災の何れかを識別する火災識別手段と、
が設けられたことを特徴とする。
火災検知器は、更に、
火災識別手段の識別結果を蓄積し、当該蓄積結果に基づき通常監視状態、火災及び非火災の何れかを判定して、当該判定結果に対応した信号を出力する蓄積判定手段を備える。
火災検知器は、更に、
火災がラベリングされた絶対検出値と相対検出値の組を含む火災教師データと、非火災がラベリングされた絶対検出値と相対検出値の組を含む非火災教師データと、通常監視状態がラベリングされた絶対検出値と相対検出値の組を含む通常監視状態教師データと、を機械学習手段に入力して予め学習する学習制御手段を備え、
火災識別手段は、学習制御手段による学習結果に基づき識別を行う。
温度入力手段は、
絶対温度と相対温度を一つの組(データセット)として火災識別手段に入力する。
本発明は、監視領域の状態を検出し、通常監視状態、当該通常監視状態とは異なる火災及び非火災の何れかに対応した信号を出力する火災検知器の火災検知方法であって、
温度入力手段により、温度センサで検出された監視領域の検出温度に基づいて絶対温度と相対温度を生成し、
学習制御手段により、火災がラベリングされた絶対温度と相対温度を含む火災教師データと、非火災がラベリングされた絶対温度と相対温度を含む非火災教師データと、通常監視状態がラベリングされた絶対温度と相対温度を含む通常監視状態教師データと、を機械学習手段に入力して予め学習し、
火災識別手段により、温度入力手段で生成された絶対温度と相対温度を同時に入力し、学習制御手段による学習結果に基づき通常監視状態、当該通常監視状態とは異なる火災及び非火災の何れであるかを識別し、
蓄積判定手段により、火災識別手段の識別結果を蓄積し、当該蓄積結果に基づき通常監視状態、火災及び非火災の何れかを判定して、当該判定結果に対応した信号を出力することを特徴とする。これ以外の火災検知方法の特徴は、火災検知器の場合と同様になる。
本発明は、監視領域の状態を検出し、通常監視状態、当該通常監視状態とは異なる火災及び非火災の何れかに対応した信号を出力火災検知器であって、監視領域の所定の情報の検出値を検出するセンサを1又は複数有し、当該センサの内、少なくとも1つは絶対検出値相対検出値取得用センサである検出部と、絶対検出値相対検出値取得用センサで検出された監視領域の所定期間の検出値に基づいて基準検出値を生成する基準検出値生成部と、絶対検出値相対検出値取得用センサで検出された監視領域の所定時点の検出値である絶対検出値と、所定時点の検出値と前期基準検出値の差分である相対検出値と、を生成する検出値入力手段と、検出値入力手段で生成された絶対検出値と相対検出値が同時に入力され、通常監視状態、火災及び非火災の何れかを識別する火災識別手段と、を備えたため、監視領域の検出値から絶対値と相対値の両方を加味することで、火災状態と非火災状態との特徴的な変化を識別することが可能となり、火災の検出時間を短縮すると共に非火災報要因に対する耐力を向上させることができる。
また、火災検知器は、更に、火災がラベリングされた絶対検出値と相対検出値の組を含む火災教師データと、非火災がラベリングされた絶対検出値と相対検出値の組を含む非火災教師データと、通常監視状態がラベリングされた絶対検出値と相対検出値の組を含む通常監視状態教師データと、を機械学習手段に入力して予め学習する学習制御手段を備え、火災識別手段は、学習制御手段による学習結果に基づき識別を行うため、学習制御により単純なルール化が困難であるような火災状態と非火災状態と通常監視状態の特徴的な変化を識別可能になる。また、通常監視状態と非火災をそれぞれ異なる識別対象として学習することで、より識別精度が向上するように学習できる。
また、温度入力手段は、絶対温度と相対温度を一つの組(データセット)として火災識別手段に入力するようにしたため、監視領域に設置した温度センサによる検出温度から、火災識別手段に入力する絶対温度と相対温度の組(データセット)をリアルタイムで生成して入力することで、絶対温度と相対温度を同時に機械学習手段に入力して火災又は非火災を識別できる。
本発明は、所定の情報の検出値を検出する検出手段を備え、通常監視状態、当該通常監視状態とは異なる火災及び非火災の何れかに対応した信号を出力する火災検知器であって、
所定期間の検出値に基づいて基準検出値を生成する基準検出値生成部と、
所定時点の検出値である絶対検出値と、所定時点での検出値と所定時点での基準検出値との差分である相対検出値と、を生成する検出値入力手段と、
を備え、
絶対検出値と相対検出値の組を含むデータを教師データとして学習する、
ことを特徴とする。
所定期間の検出値に基づいて基準検出値を生成し、
所定時点の検出値である絶対検出値を生成し、
所定時点での検出値と所定時点での基準検出値との差分である相対検出値を生成し、
絶対検出値と相対検出値の組を含むデータを教師データとして学習する、
ことを特徴とする。
検出値は、少なくとも温度を含む。
また、本発明は、所定の情報の検出値を検出するセンサを備え、通常監視状態、当該通常監視状態とは異なる火災及び非火災の何れかに対応した信号を出力する火災検知器の学習方法であって、
火災感知器とは異なる判定用火災感知器を備え、
火災の教師データを作成する旨を火災感知の学習手段に設定したうえで火災を教育するための事象を発生させ、
判定用火災検知器が火災予兆状態を検出するまでのセンサで取得した検出値を、通常監視状態をラベリングする教師データとして学習手段に記憶し、
判定用火災検知器が火災予兆状態を検出してからのセンサで取得した検出値を、火災状態をラベリングする教師データとして学習手段に記憶する、
ことを特徴とする。
判定用火災検知器が火災予兆状態を検出するまでのセンサで取得した検出値を、通常監視状態をラベリングする教師データとして学習手段に記憶し、
判定用火災検知器が火災予兆状態を検出してからのセンサで取得した検出値を、非火災状態をラベリングする教師データとして学習手段に記憶する。
Claims (7)
- 火災を検知する火災検知器であって、
監視領域の所定の情報の検出値を検出するセンサを1又は複数有する検出部と、
前記センサの内、少なくとも1つは絶対検出値相対検出値取得用センサであるとともに、
前記絶対検出値相対検出値取得用センサで検出された監視領域の所定期間の検出値に基づいて基準検出値を生成する基準検出値生成部と、
前記絶対検出値相対検出値取得用センサで検出された監視領域の所定時点の検出値である絶対検出値と、前記所定時点の検出値と前記基準検出値の差分である相対検出値と、
を生成する検出値入力手段と、
前記検出値入力手段で生成された前記絶対検出値と前記相対検出値が入力されて火災又は非火災又は通常監視状態を識別する火災識別手段と、
が設けられたことを特徴とする火災検知器。
- 請求項1記載の火災検知器に於いて、
前記火災検知器は更に、
火災がラベリングされた前記絶対検出値と前記相対検出値を含む火災教師データと、非火災がラベリングされた前記絶対検出値と前記相対検出値を含む非火災教師データと、通常監視状態がラベリングされた前記絶対検出値と前記相対検出値を含む通常監視状態教師データと、を機械学習手段に入力して予め学習する学習制御手段を備え、
前記火災識別手段は前記学習制御手段による学習結果に基づき識別を行うことを特徴とする火災検知器。
- 請求項2記載の火災検知器に於いて、
前記絶対検出値相対検出値取得用センサは温度センサであり、
前記基準検出値は前記温度センサの検出温度に基づいて生成されるものであり、
前記基準検出値生成部は基準温度生成部であり、
前記絶対検出値は絶対温度であり、
前記相対検出値は相対温度であり、
前記検出値入力手段は温度入力手段である
ことを特徴とする火災検知器。
- 請求項3記載の火災検知器に於いて、
前記温度入力手段は、
前記絶対温度と前記相対温度を一つのデータセットとして前記火災識別手段に入力することを特徴とする火災検知器。
- 請求項3記載の火災検知器に於いて、前記基準温度生成部は、前記温度センサによる基準温度生成時点の所定時間前から基準温度生成時点までの検出温度の日単位又は所定の時間単位の平均温度を前記基準温度として生成することを特徴とする火災検知器。
- 請求項3記載の火災検知器に於いて、
前記学習制御手段は、
所定の火災実験により前記温度入力手段で生成された前記絶対温度と前記相対温度に火災がラベリングされた前記火災教師データと、
所定の非火災実験により前記温度入力手段で生成された前記絶対温度と前記相対温度に非火災がラベリングされた前記非火災教師データと、
前記所定の火災実験及び又は非火災実験により所定の状態に至るまでに前記温度入力手段で生成された前記絶対温度と前記相対温度に通常監視状態がラベリングされた前記通常監視状態教師データと、
を記憶し、
当該記憶した前記火災教師データと前記非火災教師データと前記通常監視状態教師データを用いて前記機械学習手段を学習することを特徴とする火災検知器。
- 温度入力手段により、温度センサで検出された監視領域の検出温度に基づいて絶対温度と相対温度を生成し、
階層型機械学習手段により、前記温度入力手段で生成された前記絶対温度と前記相対温度を同時に入力して火災又は非火災を判断し、
学習制御手段により、火災がラベリングされた前記絶対温度と前記相対温度を含む火災教師データと、非火災がラベリングされた前記絶対温度と前記相対温度を含む非火災教師データと、通常監視状態がラベリングされた前記絶対温度と前記相対温度を含む通常監視状態教師データと、
を前記機械学習手段に入力して予め学習することを特徴とする火災検知方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019033453A JP6788165B2 (ja) | 2019-02-27 | 2019-02-27 | 火災検知器及び火災検知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019033453A JP6788165B2 (ja) | 2019-02-27 | 2019-02-27 | 火災検知器及び火災検知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020140277A true JP2020140277A (ja) | 2020-09-03 |
JP6788165B2 JP6788165B2 (ja) | 2020-11-25 |
Family
ID=72265178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019033453A Active JP6788165B2 (ja) | 2019-02-27 | 2019-02-27 | 火災検知器及び火災検知方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6788165B2 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102275989B1 (ko) * | 2021-01-18 | 2021-07-13 | (주)전원테크 | 화재 및 화재의 예상 전개방향을 예측할 수 있는 화재예측 시스템 |
CN113516824A (zh) * | 2021-04-14 | 2021-10-19 | 汉威科技集团股份有限公司 | 一种复合型火灾探测器及其探测方法 |
WO2022079170A3 (en) * | 2020-10-15 | 2022-06-16 | Security Alarms & Co. S.A. | Devices and system |
JP2022094037A (ja) * | 2020-12-14 | 2022-06-24 | 横河電機株式会社 | 異常温度検知装置、異常温度検知方法、及び異常温度検知プログラム |
JP2023050091A (ja) * | 2021-09-29 | 2023-04-10 | シャッフェンゴット カンパニー リミテッド | 人工知能連動知能型災難安全管理方法およびこのような方法を遂行するシステム |
KR102643500B1 (ko) * | 2022-10-25 | 2024-03-05 | 이엠시티 주식회사 | 통신 신호 기반의 소방 수신기용 데이터 수집 장치 및 이를 포함하는 원격 소방 관제 시스템 |
KR102643507B1 (ko) * | 2022-10-25 | 2024-03-05 | 이엠시티 주식회사 | 촬영 데이터 기반의 소방 수신기용 데이터 수집 장치 및 이를 포함하는 원격 소방 관제 시스템 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03294994A (ja) * | 1990-04-12 | 1991-12-26 | Nohmi Bosai Ltd | 火災感知器、並びに該火災感知器に用いられる重付け値を設定するための重付け値設定用機器 |
JPH06301870A (ja) * | 1993-04-13 | 1994-10-28 | Shiyoubouchiyou Chokan | 火災性状把握システム |
JPH06325270A (ja) * | 1993-05-18 | 1994-11-25 | Hochiki Corp | 火災判定装置及びニューラルネットワークの学習方法 |
JP2003162778A (ja) * | 2001-11-27 | 2003-06-06 | Matsushita Electric Works Ltd | 火災警報システム |
JP2005339092A (ja) * | 2004-05-26 | 2005-12-08 | Yazaki Corp | 熱式火災警報器 |
US20060006997A1 (en) * | 2000-06-16 | 2006-01-12 | U.S. Government In The Name Of The Secretary Of Navy | Probabilistic neural network for multi-criteria fire detector |
WO2006131204A1 (en) * | 2005-06-10 | 2006-12-14 | Siemens S.A.S. | Fire or smoke detector with high false alarm rejection performance |
JP2013171560A (ja) * | 2012-02-23 | 2013-09-02 | Hochiki Corp | 炎監視装置 |
JP2015153058A (ja) * | 2014-02-13 | 2015-08-24 | パナソニックIpマネジメント株式会社 | 感知器、感知方法、感知システム、プログラム |
JP2018072881A (ja) * | 2016-10-24 | 2018-05-10 | ホーチキ株式会社 | 火災監視システム |
-
2019
- 2019-02-27 JP JP2019033453A patent/JP6788165B2/ja active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03294994A (ja) * | 1990-04-12 | 1991-12-26 | Nohmi Bosai Ltd | 火災感知器、並びに該火災感知器に用いられる重付け値を設定するための重付け値設定用機器 |
JPH06301870A (ja) * | 1993-04-13 | 1994-10-28 | Shiyoubouchiyou Chokan | 火災性状把握システム |
JPH06325270A (ja) * | 1993-05-18 | 1994-11-25 | Hochiki Corp | 火災判定装置及びニューラルネットワークの学習方法 |
US20060006997A1 (en) * | 2000-06-16 | 2006-01-12 | U.S. Government In The Name Of The Secretary Of Navy | Probabilistic neural network for multi-criteria fire detector |
JP2003162778A (ja) * | 2001-11-27 | 2003-06-06 | Matsushita Electric Works Ltd | 火災警報システム |
JP2005339092A (ja) * | 2004-05-26 | 2005-12-08 | Yazaki Corp | 熱式火災警報器 |
WO2006131204A1 (en) * | 2005-06-10 | 2006-12-14 | Siemens S.A.S. | Fire or smoke detector with high false alarm rejection performance |
JP2013171560A (ja) * | 2012-02-23 | 2013-09-02 | Hochiki Corp | 炎監視装置 |
JP2015153058A (ja) * | 2014-02-13 | 2015-08-24 | パナソニックIpマネジメント株式会社 | 感知器、感知方法、感知システム、プログラム |
JP2018072881A (ja) * | 2016-10-24 | 2018-05-10 | ホーチキ株式会社 | 火災監視システム |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022079170A3 (en) * | 2020-10-15 | 2022-06-16 | Security Alarms & Co. S.A. | Devices and system |
EP4235610A3 (en) * | 2020-10-15 | 2024-01-24 | Algorized Sàrl | Devices and system |
JP2022094037A (ja) * | 2020-12-14 | 2022-06-24 | 横河電機株式会社 | 異常温度検知装置、異常温度検知方法、及び異常温度検知プログラム |
JP7226424B2 (ja) | 2020-12-14 | 2023-02-21 | 横河電機株式会社 | 異常温度検知装置、異常温度検知方法、及び異常温度検知プログラム |
KR102275989B1 (ko) * | 2021-01-18 | 2021-07-13 | (주)전원테크 | 화재 및 화재의 예상 전개방향을 예측할 수 있는 화재예측 시스템 |
CN113516824A (zh) * | 2021-04-14 | 2021-10-19 | 汉威科技集团股份有限公司 | 一种复合型火灾探测器及其探测方法 |
JP2023050091A (ja) * | 2021-09-29 | 2023-04-10 | シャッフェンゴット カンパニー リミテッド | 人工知能連動知能型災難安全管理方法およびこのような方法を遂行するシステム |
JP7376162B2 (ja) | 2021-09-29 | 2023-11-08 | シャッフェンゴット カンパニー リミテッド | 人工知能連動知能型災難安全管理方法およびこのような方法を遂行するシステム |
KR102643500B1 (ko) * | 2022-10-25 | 2024-03-05 | 이엠시티 주식회사 | 통신 신호 기반의 소방 수신기용 데이터 수집 장치 및 이를 포함하는 원격 소방 관제 시스템 |
KR102643507B1 (ko) * | 2022-10-25 | 2024-03-05 | 이엠시티 주식회사 | 촬영 데이터 기반의 소방 수신기용 데이터 수집 장치 및 이를 포함하는 원격 소방 관제 시스템 |
Also Published As
Publication number | Publication date |
---|---|
JP6788165B2 (ja) | 2020-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6788165B2 (ja) | 火災検知器及び火災検知方法 | |
US7969296B1 (en) | Method and system for fire detection | |
US5483222A (en) | Multiple sensor apparatus and method | |
US4831361A (en) | Environmental abnormality alarm apparatus | |
SE466625B (sv) | Brandalarmsystem | |
PT654770E (pt) | Instalacao para a deteccao precoce de incendios | |
CN104318688A (zh) | 一种基于数据融合的多传感器火灾预警方法 | |
JP2018072881A (ja) | 火災監視システム | |
CN113516837B (zh) | 一种基于多源信息融合的城市火灾判断方法、***及其存储介质 | |
CN111739243B (zh) | 一种基于d-s证据理论的火灾状态检测方法 | |
CN113516820B (zh) | 一种火灾预警方法和预警*** | |
Baek et al. | Intelligent multi-sensor detection system for monitoring indoor building fires | |
EP3107079B1 (en) | Detector, detection method, detection system, program | |
US8248253B2 (en) | Fire detector incorporating a gas sensor | |
JP2018163675A (ja) | 感知器、感知方法、感知システム、プログラム | |
Ryder et al. | Hierarchical temporal memory continuous learning algorithms for fire state determination | |
CN103810809B (zh) | 基于ds证据理论判断火灾的方法 | |
JPS61233897A (ja) | 火災感知器 | |
RU2646204C2 (ru) | Способ автоматического обнаружения начальных стадий пожаров в помещениях пожароопасных объектов, содержащих тепловыделяющее оборудование | |
KR20240098825A (ko) | 비접촉형태 감지장치 수집정보 및 에너지 사용정보를 이용한 위험예측장치 및 그 방법 | |
JP7454725B1 (ja) | 火災検出装置 | |
JP2021131614A (ja) | 火災検出手段及び火災検出方法 | |
KR100624120B1 (ko) | 침입자 감지 장치 및 방법 | |
Kanagaraj et al. | A Dynamic Anomaly Detection Approach for Fault Detection on Fire Alarm System Based on Fuzzy-PSO-CNN Approach | |
Cheng | A Decision-Making Method for Fire Detection Data Fusion Based on Rough Set Approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190412 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200201 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200325 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200519 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200909 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200923 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6788165 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |